MLOps权威指南

本书前几章涵盖了DevOps和MLOps的理论和实践，然后介绍了如何设置持续集成和持续交付，着介绍Kaizen，即对所有事物行持续改的想法。与云计算相关的MLOps分为三章，涵盖AWS、Azure 和GCP（谷歌云平台）。之后介绍了机器学习互操作性、构建MLOps命令行工具和微服务。这些主题包括许多具有积极吸引力的尖端新兴技术。结尾介绍了一些真实案例研究，以及执行MLOps时面临的挑战。
【推荐语】
将模型投生产是机器学习面临的基本挑战，MLOps提供了一套经过验证的原则，旨在以可靠和自动化的方式解决这个问题。本书将带读者了解MLOps是什么以及它与DevOps的区别，并展示如何将其付诸实践以操作机器学习模型。 机器学习工程师或任何熟悉数据科学和Python的人将基于MLOps工具和方法（包括AutoML、监控和日志记录）构建基础，然后学习如何在AWS、微软Azure和谷歌云中实现它们。读者交付机器学习系统的速度越快，就越能专注于试图解决的业务问题。